“Representações visuais de dados projetados para ajudar pessoas a realizarem tarefas de forma mais efetiva” (Tamara Munzner)

• Amplia capacidade humana de tomar decisões
  • Permite analisar dados quando perguntas ainda são desconhecidas
• Finalidade:
  • Compreender o problema para projetar métodos computacionais
  • Validar ou complementar decisões baseadas em modelos
  • Análise exploratória para encontrar ou confirmar padrões
  • Apresentar informações para outras pessoas

• Estatística é muito poderosa, mas sumarização pode esconder informações
• Ex: O Quarteto de Anscombe são 4 datasets com estatísticas idênticas

• Os dados são tão iguais quanto parecem nas estatísticas?

• Estatística é muito poderosa, mas sumarização pode esconder informações
• Ex: O Quarteto de Anscombe são 4 datasets com estatísticas idênticas

• Estatística é muito poderosa, mas sumarização pode esconder informações
• Outro exemplo: Datasaurus

• Visualizações podem ajudar a encontrar padrões não capturados
  • Ainda mais significativo para conjuntos de dados grandes e complexos

• Vis são abstrações onde escolhe-se quais aspectos serão enfatizados
• Há muitas possibilidades no espaço do design e a maioria será ineficaz
  • O objetivo não é otimizar, mas satisfazer
  • Considere múltiplas alternativas e depois escolha a melhor

• É muito difícil validar visualizações
  • O que é uma visualização “eficaz”?

• A memória humana é limitada para coisas não visíveis diretamente
  • Também para memória de trabalho de curto prazo
• Cegueira de mudança: grandes mudanças podem passar despercebidas se estivermos prestando atenção a algo diferente

• Quantidade de informação vs. quantidade de espaço não usado
• Exemplo de gráficos com a mesma informação com diferentes densidades:

• Encontrar equilíbrio entre:
  • Mostrar muita informação para minimizar navegação e exploração
  • Não sobrecarregar o usuário com muita informação

• A qualidade do gráfico depende da qualidade da informação que você tem
• Ser claro e conciso não implica excesso de simplificação
• Bom design não é embelezamento, mas estruturar a informação para permitir entendimento
• Faça gráficos que codificam informação para ajudar o cérebro
• Se palavras às vezes são inúteis, também serão gráficos, mapas, diagramas, ilustrações

Uma boa visualização:

• Possui informação confiável
• Apresenta os padrões relevantes de forma notável
• É organizada, de forma a permitir alguma exploração, quando apropriado
• É atrativa, lembrando que honestidade, clareza e profundidade vêm antes

• Comunicar informação para aumentar entendimento
  • Tornar simples algo complexo, tornar interessantes fatos chatos

• Ou permitir exploração para responder questões e gerar novas perguntas
  • Estruturar informações para que usuários as explorem e façam suas próprias descobertas, de forma ativa
  • Parte importante da ciência de dados

O objetivo da visualização de dados é iluminar pessoas – não é entreter, vender produtos, serviços ou ideias, mas informá-las. (Alberto Cairo)

• Todos possuem algum viés cognitivo, cultural e ideológico

• A verdade é inatingível, mas tentar ser verdadeiro é um objetivo digno

  • Alguns se rendem aos seus viéses, outros tentam identificá-los e freiá-los

• Ao invés de partir da mensagem que você quer passar e depois buscar informações que a suporte

• Você pode partir da informação e analisá-la para descobrir as mensagens que valem a pena divulgar

  • Ou partir da mensagem e coletar informações que podem refutá-la

• O que um cidadão pode fazer se as notícias não são confiáveis?
  • Como saber se as informações em sites e redes sociais são acuradas?
• Quem criará visualizações para informar as pessoas de coisas importantes?
  • Talvez você! Ou cada um de nós

• Visualization Analysis & Design. Tamara Munzner. CRC Press, 2014.
• The Truthful Art. Alberto Cairo. New Riders, 2016.
• Worlds, not stories. Moritz Stefaner. 2014.